Las nuevas generaciones y los datos

Posted on by moon

 

La historia se repite. Las nuevas generaciones pasan a las existentes a una velocidad inimaginable.

Si hace unos años éramos nosotros los que sabíamos cómo programar el vídeo para que nuestros padres pudieran graba una película, ahora son nuestros hijos los que nos tienen que enseñar cómo funcionan algunas de las tecnologías con las que no nos atrevemos a interaccionar.

Con la explotación de los datos pasa exactamente lo mismo.

 

Patrón de conducta

A lo largo de mi vida profesional he tenido la oportunidad de tener reuniones y entrevistas con directivos, cargos medios y empleados de todo tipo de organizaciones. Analizando las respuestas de los diferentes interlocutores, he visto que hay un patrón que se repite muy a menudo. Es el siguiente:

• Si la persona supera cierta edad, suele ser reacio al cambio que supone confiar en los datos para mejorar la toma de decisiones dentro de la organización, su departamento o su día a día.
• Si la persona se encuentra por debajo de cierta edad, está mucho más abierta a incorporar cambios en sus procesos con el fin de obtener mejoras en la toma de decisiones gracias al análisis de datos.

¿Porqué se da este patrón?

Llegados a este punto, mi hipótesis se basa en tres aspectos que considero claves:

  • La formación de personas por encima de cierta edad no incluyó en su día el análisis de datos como vehículo para la mejora en la toma de decisiones.
  • La reticencia al cambio en personas acostumbradas a lo largo de los años a trabajar de una manera concreta es contraproducente a la hora de incorporar nuevos procesos para la toma de decisiones.
  • La inseguridad producida por el miedo a perder esa importancia que la persona pueda tener en la organización al suponer que la toma de decisiones será basada en datos y no en la experiencia de la persona (cuando en realidad, la persona continuará tomando las decisiones, solamente que de forma más informada), hace que se vea el análisis de datos como una amenaza a su puesto de trabajo.

Esto no deja de ser una hipótesis, pero veamos cómo probablemente una persona de menor edad encajaría en cada uno de estos aspectos:

  • La formación superior actual incluye en muchos casos pinceladas sobre el análisis de datos y la transformación digital de las organizaciones gracias a las nuevas tecnologías, entre las que se incluyen las herramientas analíticas.
  • La reticencia al cambio desaparece a medida que disminuye la edad de la persona, ya que a menor edad es más evidente que la persona debe aprender cosas nuevas, incluyendo nuevos procesos y nuevas maneras de trabajar y tomar decisiones.
  • La inseguridad a tempranas edades se produce más por el hecho de no saber y no poder adquirir nuevos conocimientos que por otro hecho. Incluir nuevas maneras de trabajar no hace más que sumar capacidades y habilidades a la persona.

Para poder superar esa barrera que muestra el patrón, es necesario que los empleados reciban la formación adecuada. Esta formación incluye no solamente formación focalizada en los conceptos y herramientas de análisis de datos, sinó también con énfasis en los beneficios que puede suponer para el empleado el hecho de abrazar el cambio. Entre ellos destacan las oportunidades de promoción, mejora en la eficiencia en el trabajo, en los resultados y en la satisfacción en el puesto de trabajo.

Jóvenes, Aunque Sobradamente Preparados

Dando formación en la universidad y en escuelas de negocios he visto hasta qué punto la nuevas generaciones están preparadas. Cierto es que les falta cierta experiencia en muchos casos, pero los conocimientos que tienen algunos de los alumnos que he tenido ha llegado a sorprenderme.

A nivel tecnológico, tienen acceso a una gran cantidad de plataformas y herramientas. Disponen de ordenadores potentes donde poder ejecutar sus pruebas de concepto. Y si necesitan más recursos, los hallan en proveedores de servicios en el cloud.

A nivel teórico, Internet les proporciona todo aquello que necesitan, a menudo de forma gratuita.

A nivel de actitud respecto al análisis de datos, las nuevas generaciones creen en los beneficios que aportan a la toma de decisiones. Han crecido en la era digital. Han visto cómo los asistentes de sus teléfonos inteligentes, tabletas y ordenadores son capaces de utilizar todos los datos que recaban para ofrecerles servicios, para facilitarles tareas y para hacer que su vida sea más fácil, entretenida e interesante. Es por eso que no hace falta convencerles de los beneficios del análisis de datos.

Pero lo mejor de todo es que disponen de tiempo y energía para adentrarse en este fantástico mundo de la analítica de datos. Eso hace que nos encontremos con gente muy capacitada a pesar de su juventud.

Conclusión

La gente joven tiende a estar más receptiva a la hora de incorporar procesos de análisis de datos en la toma de decisiones que las personas de edad superior.

Es posible ayudar a las personas reticentes a incluir la toma de decisiones basada en el análisis de datos, para que se adhieran a esta realidad. Para ello es necesario una formación en diferentes aspectos, incluyendo tanto la tecnología como los beneficios que recibirá la persona.

Las nuevas generaciones han tenido acceso a formación y recursos, y han dispuesto de tiempo para experimentar con los datos. Eso les hace unos firmes creyentes en el análisis de datos. El futuro es suyo.

Data Analytics y definición de objetivos para mejorar la toma de decisiones

Posted on by Àlex Caminals

 

Para poder determinar el nivel de corrección de nuestras acciones, los seres humanos necesitamos saber como las hemos ejecutado. Esta medición de nuestros actos nos permite evaluar el grado de calidad de cada una de nuestras acciones.

Además, también solemos tener diferentes niveles de aceptación sobre la corrección de esas acciones, que nos permiten poner etiquetas a esas acciones (e.g. Muy deficiente, Insuficiente, Suficiente, Bien, Notable, Excelente). Esas etiquetas las podemos asignar al comparar un resultado con unos objetivos.

En términos de Data Analytics, el uso del análisis de datos para la medición de procesos y su comparación con unos objetivos previamente determinados es de vital importancia para poder determinar el éxito de los procesos de una organización y así poder mejorar la toma de decisiones.

Consulta vs. Análisis

Al efectuar una medición sobre un proceso, estamos almacenando datos sobre la medición y el contexto de ese proceso. Esos datos pueden ser consultados de manera individual. Es decir, podemos visualizar las métricas y el contexto asociado a esa medición en concreto. Pero pocas decisiones pueden tomarse en base a una única medición.

El análisis de miles o millones de mediciones, el hecho de tratar un gran volumen de datos para obtener una métrica agregada, supone una dificultad adicional que requiere la existencia de una solución de Business Intelligence para poder obtener las respuestas deseadas.

Cómo visualizar los datos, bien en bruto como en una medición individual, bien mediante su agregación al analizar un gran conjunto de datos, es la gran diferencia entre una simple consulta y el análisis de datos.

Realidad vs. Objetivos

El análisis de miles o millones de datos nos proporciona información sobre hechos acaecidos en el pasado. Esta información, nos permite saber que ha sucedido hasta el momento. Sin embargo, esa información, por sí sola, no nos permite saber la calidad de esos hechos.

En una gran cantidad de ocasiones el ser humano dispone en su mente de una vara de medir para evaluar la calidad de los procesos que han producido esas mediciones. Esa vara de medir es lo que denominamos «objetivos».

Por ejemplo, si un jugador de baloncesto lanza a canasta, el público (que mide como canasta o fallo ese lanzamiento) comparará a ese valor con el objetivo que no es otro que encestar el tiro. Sin embargo, el propio jugador puede medir lanzamiento de distintas maneras a partir de la dirección, el ángulo de tiro y la fuerza del lanzamiento. En su caso, el objetivo no es solamente encestar sino ejecutar el tiro con la dirección, el ángulo y la fuerza deseadas para poder encestar, ya que un lanzamiento podría acabar en canasta por mera suerte, pero no debería considerarse como un buen lanzamiento para un jugador que se precie.

Definición de objetivos

Con este ejemplo, vemos que para cada métrica y contexto podemos tener unos objetivos determinados. Es fácil imaginar que disponer de todos los objetivos para todas las metricas en todos los contextos posibles es algo muy complicado y aún más en la mente de un ser humano. Es por eso, que debemos almacenar esos objetivos para poder compararlos con los datos reales provenientes de esas mediciones que estamos efectuando.

Los objetivos suelen definirse a niveles superiores al nivel de detalle de las mediciones (e.g. Las ventas de una organización pueden estar definidas a nivel de trimestre y zona geográfica, mientras el proceso se produce en un contexto con más dimensiones y con un nivell de análisis más detallado). Esto permite una definición de objetivos relativamente sencilla que puede ser revisada por las personas responsables de su definición con relativa facilidad.

Conclusión

El análisis de datos nos proporciona la capacidad de mostrar datos agregados sobre mediciones de procesos individuales. Sin embargo, esta información carece de todo su valor si no somos capaces de comparar esos valores con los objetivos definidos para estos procesos.

La definición de objetivos para los diferentes procesos de una organización permite su comparación con los datos reales obtenidos mediante la medición de éstos.

Las herramientas de Data Analytics nos permiten comparar los objetivos con los datos acumulados de las mediciones realizadas en los diferentes procesos. Esta comparación proporciona un gran valor añadido a la organización, ya que permite etiquetar cada uno de las mediciones a partir de esa comparación con los objetivos. Esa comparación, esa visión de la realidad respecto a los objetivos esperados, es lo que permite la toma decisiones inteligente.